ANALISIS RESIKO GABUNGAN P'ADA PENGEMBANGAN SUMBERDAY A AIR

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS RESIKO GABUNGAN P'ADA PENGEMBANGAN SUMBERDAY A AIR"

Transkripsi

1 ANALISIS RESIO GABUNGAN P'ADA PENGEMBANGAN SUMBERDAY A AIR oleh I SOEDARWOTO Perpu sta kaa Uiversitas a:olik l'arahyaga J. ecrj, };,\ 9 B A l j DUN G. UNIVERSITAS ATOLI PARAHYANGAN FAULTAS TENI JURUSAN SIPIL DIVISI HIDROTENI BANDUNG 993

2 ANALISIS RESIO GABUNGAN PADA PENGEMBANGAN SUMBERDAYA AIR oleh : Soedarwoto * Abstrak. Dalam ragka meetuka kapasitis dari segala aspek yag berkaita dega sumberdaya air, telah dilakuka bayak aalisis yag berhubuga dega hasil gua da daya gua dari setiap lagkah perecaaa. Serigkali memafaatka aalisis yag didasarka kepada model matematik, megguaka pedekita umerik dega berbagai implemetasiya. Satu hal yag belum medapatka perhatia yag memadai ber kaita dega kemugkia muculya resiko apabila kapasitas yag direcaaka tersebut dilampaui. Apabila kapasitas dilampaui oleh muata berupa air bajir atau faktor-faktor laiya, kemugkia aka megalami resiko yag perlu di~aji lebih rici sehigga pada akhirya, resiko dari setiap kelebiha muata pada bagua air dapat d iketahu i lebih di i. Dega melakuka aalisis lebih awal, aka dapat dikuragi kemugkia resiko palig buruk, yag diakibatka oleh muata yag melampaui kapasitas.dalam setiap desai dilegkapi dega agka keamaa tertetu yag selajutya aka diketahui pula masalah yag mugki ditimbulka oleh peetua agka keamaa tersebut. Ag (973) berpedapat bahwa distribusi dari kapasitas da muata tidaklah berpegaruh terhadap resiko kegagala. * Teaga Pegajar Hidrotekik Fakultas Tekik Jurusa Sipil UNPAR Sadug

3 ANALISIS RESIO GABUNGAN PADA PENGEMBANGAN SUMBERDAYA AIR oleh : Soedarwoto * I. Pedahulua Latar Belakag Dalam medesai dega memafaatka aspek-aspek keaira (hidrotekik) atau yag sejeis dega itu telah bayak megguaka berbagai peragkat luak, dega kelebiha da kekuragaya, dega harapa dapat meghasilka desai optimal yag berhasil gua da berdaya gua. Semua itu utuk kesejahteraa umat mausia. Dalam megaalisis kapasitas bagua air yag aka dira - cag, masih belum terlihat adaya perhatia terhadap aalisis resiko pada desai apabila muata melampaui kapasitasya. Maksud da Tujua Dega memafaatka aalisis terhadap resiko gabuga atara kapasitas da muata aka diperlihatka kemugkia yag aka terjadi pada suatu desai apabila suatu muata.elampaui kapasitasya. Dega megguaka suatu agka keamaa utuk memberika keteaga bati, aka meguragi kemugkia terjadiya resiko kegagala yag tidak diharapka. Metbdologi Teori probabilitas aka dimafaatka utuk megaalisis studi megeai resiko gabuga yag disusu berdasarka sumber utama dari Ve Te Chow. Pegetrapa dilakuka dega peyusu a cotoh pemakaia yag selajutya diharapka dapat diragkaika dega desai secara keseluruha. Perpustakaa LTiver:,ita:,, ~a olik ParahyagalJ J ;. crt~k:l 9 B A..., D U J:I G

4 II. Studi Pustaka osep ketidak pastia dari suatu gejala hidrologi pada variabilitas alami, model serta parameter ketidakpastia yag meigkat pada gejala yag ada. aka dicoba diaalisis. Pegertia dari resiko gabuga ialah suatu metode perhituga resiko yag diakibatka oleh berbagai sumber ketidak pastia yag meghasilka resiko keseluruha pada desai utama. osep kapasitas da muata merupaka pusat aalisis. Huata atau kebutuha yag ditempatka pada sistem merupaka pegukura terhadap pegaruh dari kejadia luar; kebutuha utuk pasoka air ditetuka oleh pemakai air, besara bajir yag cepat tergatug kepada karakteristik curah huja yag ada da kodisi daerah pegalira sugai (DPS) pada saat huja turu ke bumi. apasitas atau tahaa diukur dari khmampua sistem utuk keberadaa muata atau palig tidak medekati kebutuha. Huata diyataka sebagai H, kapasitas,, da selajutya resiko kegagala adalah ~, dalam betuk probabilitas dimaa muata H melampaui kapasitas, dituliska sebagai : R = P ( -H- < ) = P «- M) < 0 ) (. ) Resiko tergatug kepada distribusi probabilitas dari M da dega fugsi kerapata probabilitas H ialah f(m) yag merupaka ilai ekstrim atau Log Pearso Tipe III da dapat disebutka sebagai fugsi kerapata probabilitas ilai ekstrim. Dega ditetukaya f(m) da muata dipilih yag melampaui kepastia da kapasitas * yag diketahui, ditulis sebagai : P (M > *) = J" f (M) d H (. ) * apasitas yag tepat tidak diketahui secara pasti,tetapi boleh diaggap mempuyai fugsi kerapata probabilitas g(), yag maa terdistribusi ormal atau logormal yag mucul dari aa- -_. ---"'-,..

5 lisis ketidak pastia tigkat pertamadalam ~apasitas sistem. Persamaa Maig diguaka utuk meetuka kapasitas dari bagua hidraulik, ketidak pastia dalam dapat dievaluasi dega aalisis tigkat pertama ketidakpastia. Probabilitas dega kapasitas yag diletakka pada suatu selag dega retag keeil, d di sekitar ilai ialah g() d. Dega asumsi M da adalah peubah aeak bebas, resiko gabuga di evaluasi dega perhituga probabilitas ya& memberika muata melebihi kapasitas pa.da setiap ilai yag terdapat dalam retag kapasitas yag memugkika, dega megguaka itegrasi dituliska sebagai berikut : ~ = r [ r f(m) dm ] g() d (.3 ) eadala dari sistem ditetuka sebagai probabilitas dimaa sistem aka meampilka kebutuha aka fugsi utuk suatu kala ulag khusus dari waktu di bawah kodisi yag ada (Harr,987). eadala R merupaka kompleme resiko stau probabilitas dimaa muata tidak melampaui kapasitasya, dituliska sebagai R = P (M S ) = - R = r [r f(m) dm ] g() d o (.4 ) Cotoh : ebutuha air suatu kota utuk tahu depa diestimasika tiga satua dega simpaga baku dari satu satua. Diberika suatu keadaa sebagai berikut a. resiko kebutuha melampaui pasoka jika sistem pasoka diestimasi dega kapasitas utuk lima satua; b. resiko kegagala jika diestimasi kapasitas mempuyai kesalaha baku dari 0,50 satua. Diasumsika bahwa muata da kapasitas terdistribusi ormal. Lagkah peyelesaia Muata terdistribusi ormal ~M = 3 da 0' M = 3

6 Fugsi distribusi. f(m) = _ (M - ) I e J-l M / 0" M 0" M - (M - 3) / = e Resiko dega * = 5 R = l' * = l' 4 = f(m) dm - (M_3)/ e,r-;r.. l' ,"-T e dm (M_3)/ dm Itegral di evaluasi dega meggati peubah itegrasi ke peubah ormal baku. J-l = ( M - I-'M )/0" = (M-3)/ = (M-3) M dm = dl-' M = 5 J..l = M -3 = M = ) I-' = 00 R = l' Y-;r e -I-' / dl-' = F z( ) dari Tabel l. F () = 0,977 z = - 0,977 R = 0,03 Pemiliha terhadap kebutuha yag melampaui pasoka utuk kapasitas tetap dari 5 satua ialah,3 % b. apasitas dega distribusi ormal I-' = 5 da erapata probabilitas 0" = O,75 g() = e,r- 0". = " e -(-5/ / (0,75) =.~~~_ Y-- - (_5) /,5 e dega resiko kegagala, f(m) 4

7 ~ = f f f(m) dm g() d - = f [ f e _(M_3) / dm ] _L.~~~_ e _(_5) /, 5 d Fz-r; Itegral diselesaika megguaka komputer dega itegrasi umerik da diperoleh ~ = 0,05 [ ]. Pemiliha kebutuha air di perkotaa aka dilampaui oleh pasoka dega simpaga baku sebesar 0,75 hasilya 5, % dibadi-., gka dega,3 % bila kapasitas t~tap utuk 5 satua. Ye (976), Tug da Mays (980), Lee da Mays (986) melakuka studi aalisis resiko utuk bermacam-macam alira pada salura terbuka da salura pipa. Aalisis yag dilakuka adalah aalisis statik yag.berarti bahwa estimasi resiko kegagala dega keburuka tuggal dari muata sistem selama umur desai. Yag lebih kompleks aalisis resiko diaggap mugki dari sejumlah muata ekstrim selama umur desai, sebagai salah satu peyebab kegagala (Tug, Mays, 980 ; Lee da Mays, 983). Resiko keamaa di lapaga da faktor keamaa eamaa di lapaga Perbedaa atara kapasitas di lapaga da besara yag dihitul!g u.tuk desai muata SM = - M (.5 ) Resiko kegagala ~ = P«-M) < 0 ) = P( SM < 0 ) (.6 ) Jika da M merupaka peubah aeak da ilai tegah dari SM adalah ~8M = ~ - ~M Simpaga baku atau. d - a varla -oj 8M kesalaha baku di lapaga 0" =(0" +0" )'/ 8M - M,.;;y Z +..c; M diestimasi dari keamaa (.7 ) Jika SM terdistribusi ormal, (SM baku dega substraksi ~M dari kedua dibagi dega O"M r'esiko lliejadi, - ~ )/0 variasi ormal SM"-' SM 8i8 ketidaksamaa da ~ = P ( SM - i- SM ) < 0-8M 0- SM 5

8 = P ( z < i-'sm a SM ) JJ SM ) 0' SM (.8 ) F merupaka suatu fugsi distribusi baku ormal. z Cot.oh : Hitug resiko kegagala sistem pasoka air pada cotoh di atas diasumsika keamaa di lapaga terdistribusi ormal, ~ = 5 satua, a = 0,75 Lagkah peyelesaia tj. =. sm 3 = z Z )/ a = ( a + a = + SM M = ~ = 3 satua da Cf = satua. M ( 0,75 ),5 dega i-'sm = Cf SM R F ( z = - z ) F (,5 ) = F (-,60 ) z Berdasarka Tabel pada lampira diperoleh ~ = 0,055 yag maa ilai ii cukup dekat dega cotoh di atas yag megguaka itegrasi umerik. Resiko kegagala dega keadaa tersebut, R = 0, 055 ~ 5,50 % Pada metode ii aalisis dega asumsi keamaa di lapaga terdistribusi ormal, tetapi distribusi kapasitas damuata t idak spesifik. Ag ( 973) meujukka bahwa ~ > 0,00 besar R tidak dipegaruhi oleh pemiliha distribusi utuk M ataupu da asumsi utuk distribusi pada SM adalah sesuai. Resiko kecil" ( ~= 0,0000 ) betuk distribusi utuk H da mejadi kritis da pada kasus ii aalisis resiko gabuga secara peuh di muka diguaka utuk megaalisis resiko kegagala. Fakt.or eamaa Faktor keamaa d i tuj ukka sebagai -~- da resiko kegagala diyataka sebagai P ( SF < ) dega bilaga logaritma pada kedua sisi ketidaksamaa, 6 ~~ ~~ ,-~

9 R = P ( SF < ) = P ( I (SF) < ) = P ( I (-H-) < ) (.9 ) apasitas da muata dega besara bebas da distribusi log ormal resiko meurut Huag (966) R = F z - I cv z + M + CV )./ ] Cotoh 3 { I [( + CV ) ( + CV M )} / Diasumsika bahwa kapasitas da muata terdistribusi ormal f-l = 5 a = O.75 CV = O,75 : 5 = (),5 r- " = 3 a = CV M = : 3 = O,333 M M Resiko yag terjadi berdasarka persamaa di atas R = F z = O,06 ( _ I{ 5 [_!_!_Q~~~~~_ ]/ 3 + 0,5,_ J- Z ~/ { I [( + 0,5 ) ( + 0,333 )}] F (-,5463). z Resiko kegagala dega asumsi kapasitas da muata terdistribusi ormal adalah 6, % Pada cotoh' yag sama dega SM terdistribusi ormal resiko kegagala sebesar 5,5 % Tigkat resiko berubah tidak terlalu besar ialah O,60 : 5,5 = 0,9 % 6 ~= 0,9 % meujukka bahwa distribusi ormal atau log ormal tidak terlalu berpegaruh. Resiko faktor keamaa da kala ulag Pada desai praktis dilakuka pemiliha suatu kala ulag da meetuka hubuga atara muata sebagai kapasitas utuk bagua hidraulik. Faktor kemaaa secara lagsug dibetuk ke dalam pemiliha kala ulag. Sebagai alteratip, besar muata dikalika dega agka ke- 7

10 ke amaa SF, da selajutya desai bagua air didasarka pada kapasitas sebesar = SF x M. Seperti diketahui bayak ketidakpastia berhubuga dega M da dari bagua air yag didesai. Dega aalisis resiko gabuga, resiko kegagala dapat dihitug utuk meetuka kala ulag da SF, da hasil yag diperoleh ampak pada Gb.l yag meujukka grafik resiko yag diguaka utuk medeaai talag. Besar resiko pada gambar yag ditujukka oleh kemugkia kegagala tahua. ala ulag 50 tahu, SF =,5 resiko tiap tahu adalah = 0,007 da utuk SF =, = 0,003 = 0,3 % tiap tahu, ii lebih kecil dari utuk SF =,5. 7 TO-r------~--~ _, I < R~sHo kegagala { tahu Gb.l Hubuga atara resiko kegagala da faktor kemaa (Sumber []). Aalisis ketidakpastia tigkat pertama etidakpastia dikaitka dega sistem hidrologi, besaraya tidak pasti. apasitas pegagkuta dari salura dega bagia masuk yag tidak terhalag dapat dihitug tapa kesalaha di lapaga, tetapi selama bajit, sampah terkumpul di sekitar bagia masuk ke dalam salura da meguragi kapasitas agkuta yag tidak diperhitugka sebelumya. etidakpastia hidrologi dibagi dalam tiga kategori, - yag bersifat alami 8

11 - yag berlagsug dega cepat, begitu saja - tidak pasti yag maa bertambah dari variabilitas acak dari gejala hidrologi Model ketidakpastia yag dihasilka dari pedekata dibuat bila gejala diujudka oleh persamaa da parameter ketidakpast ia.. d iatur dari yag t idak d iketahui secara alami berdasarka koefisie dalam persamaa, misalya koefisie kekasara pada persamaa Maig. Selajutya ketidak pastia dalam besara kejadia desai ditetuka oler. R = - [ - P(. x -> X T )I (.0 ) Model da parameter dapat diaggap sebagai aalisis ketidakpast ia variabilitas yag tigkat pertama da merupaka cara utuk meetukk diharapka dari peubah yag dihitug da salig berkaita sebagai fugsi dari satu atau lebih peubah ( Ag da Tag, 975 ; apur da Lamberso, 977 Ye 986). Diberika suatu fugsi w sebagai fugsi x, w = f(x) Terdapat dua kesalaha dalam w, pertama fugsi f atau.model mugki tidak cermat, kedua pegukura x mugki tidak teliti. Dimisalka tidak terdapat kesalaha dalam model atau bias, apur da I:ambe-r-so ~ 977 meujukka bagaimaa memperluas aalisis bila modelya salah. Dia~umsika f(.) modelya cermat ilai omial dari x adalah x dipilih sebagai desairi dari ilai w yag berkaita dihifug w = f( x ). masuka Jika ilai pasti x dibadigka dega x, efek dari discrepacy, pada waktu w dapat diestimasi dega f(x) sebagai deret Taylor sekitar x = x m~mperluas >l=f(x)-t _Q:g_~_=_~_ +... dx df turua -dx- dievaluasi pada x = x Jika suku kedua da betuk yag lebih tiggi diabaika hasil-. ya merupaka perwujuda tigkat pertama utuk kesalaha dalam df w, dituliska w w = ----( x x ) dx - da variasi dari kesalaha s ) = E [ ( w - w v 9

12 z E merupaka operator harapa S = E { [ -<:!-~ ( v dx x - Persamaa di atas memberika variasi dari peubah yag bergatug pada w sebagai fugsi varia dari peubah bebas x yag diasumsika bahwa hubuga fugsioal w = f(x)!l-dalah teliti. ti"ilai S merupaka kesalaha baku dari estimasi w. Jika w v tergatug dari beberapa kebebasa peubah satu sama lai x.' X z ' x g '..., x dapat ditujukka cara sejeis dega megguaka S of = ( ----) s + ( v ox x. + ( _<?_f ) s/... (. ) o x Aalisis Persamaa Maig Tigkat Pertama edalama sebagai peubah yag salig bergatuga. Persamaa Maig seeara luas diguaka dalam hidrologi, utuk meetuka kedalama alira pada alira spesifik, ditempatka pada perhituga tahaa alira di s8.ura dega adaya kekasara dasar salura. Utuk medesai salura atau bajir pada batara, utuk meghitug kedalama alira dalam salura, y diberika debit Q, koefisie kekasara,da betuk kemiriga dari salura seperti ditetuka dalam desai atau survei. serta Satu kali kedalama alira atau elevasi muka air diketahui besara dari peubah desai dapat ditetuka. Pada pemiliha desai alira da kekasara Maig peuh ketidakpastia. et idakpast ia lai berupa geseka karea kemiriga, Sf tergatug pada hasil perhituga, pada alira seragam (So = Sf ) sampai kepada. alira tidak seragam laggeg atau tidak laggeg tidak seragam. Aalisis t igkat pertama ket idakpast ia dapat d iguaka utuk megestimasi efek dari y berdasarka ketidakpastia Q, keadaa Q. Padag efek pada kedalama alira dari variasi (. ). 0 --' ~-.,,-"-

13 '/ Jika variasi kedalama y tergatug haya kepada variasi Q, maka S = ( y z ) S Q (. 3 ) _~L keadaa dimaa terj ad i perubaha y pada perubaha Q dq ~UL = Q dr da [ d y 3 R dy A 'dy ] (.4 ) S z = y S z ~ dr da 3 R dy dy ) z (.5 ) koefisie variasi keadaa alira S = Y c V Q ( ~ ~~_ + da ) 3 R dy A dy (.6 ) Dega spesifikasi variasi dari kedalama alira adalah fugsi koefisie variasi keadaa alira da besar-a dari fugsi betuk alira. Dega memilih ketidakpastia kekasara da geseka kemiriga Sf ' dituliska : S = Y ( R A da dy ) (.7 ) persamaa ii memberika variasi kedalama alira sebagai fugsi variasi keadaa alira, agka kekasara Maig, da geseka kemiriga da fugsi betuk salura. Cotoh 4. : Lebar salura b = 40 ft S = O,00 Q = 400 c:fs = O,03 s oefisie variasi dari estimasi alira da kekasara 5 % da %. Berapa kesalaha baku dari kedalama aliar y jika perumaha di bagu didekat salura dega elevasi 3 ft. di (."~~-' '-"'-'-~-'----'.. "'-'--'-----'-"-.'--~~~~""--

14 atas muka air yag dihitug utuk kejadia tersebut, perubaha pada perumaha yag meyebabka bajir des~i meyertaka ketidakpastia dalam tetuka dega perhituga muka air, betuk salura empat persegi, diasumsika alira seragam. Lagkah. peyelesaia, Q = 400 cfs. ; b = 40 ft. Q = -!!.~~- Sf '/ A R /3 A = 40 y 400 = _L.~~_ ( 0,00 )'/ 40 y ~~_L_ ( ) 0, y R = ~\:'U: ( 40 + y ) /3 y = 8,78 ft. esalaha baku S CV Q = 0,5 CV = 0, CV Sf = 0 y dr da ( R dy A dy ) = ~_~_~_~_r 3y(B+y) = ~_~_~~_~_~_~_~!.Z~ 3 x 8,78 ( 40 + x 8,78) = -~~~!.~~ 0,667 ft 56,3 ~~~:_~_~~"", + C_V_~L = ~~!.~~ ~~~!.!~_ (0,667) ( ~ 9L + L_ da ) z 3 R dy A dy S =,663 it y Jika perumaha dibagu lataiya tiga ft di atas perhituga muka air, aka megalami bajir bila kedalama air Iebih besar daripada 8, =,78 ft. Jika elevasi muka air y terdistribusi ormal, probabilitas yag aka meyebabka bajir di evaluasi dega megembalika y kedalam peubah baku ormal z da memasukka y ( = 8,78 ft) pada kedua sisi ketidak samaa da dibagi kesalaha baku S y (=,663 ft). P ( y >,78 )

15 = P ( y - 8,78, ;>,804,663 ) = P ( z >, 804 ) = - F (,804 ) z F z fugsi d istribusi ormal baku, F z = 0,867 P ( y > 8,78 ) = - 0,967 = 0,039 ~mugkia daerah perumaha aka bajir 3,9 % kepada ketidakpastia dalam perhituga muka air, didasarka III, Pembahasa Didasarka kepada studi pustaka pada bab, II cotoh, 8.mp8.k b8.hwa resiko dari kebutuha yag melampaui pasoka memberika hasil sebesar,3 % dega asumsi bahwa muata maupu apasitasya terdistribusi ormal, Didasarka kepada cotoh da 3 ampak bahwa perbedaa atara hasil perhituga sebesar 0,9 % atau medekati % da iimeujukka bahwa distribusi ormal atau log ormal. pada dat~ yag diaalisis tidaklahberpegaruh, Pada cotoh 4, utuk aalisis ketidakpastia tigkatpertama pada persamaa Ma ig member ika gambara bahwa, perhi tuga haya meekaka kepada parameter ketidakpastia. Probabilitas pasti yag maa perumaha akamegalami bajir Iebih besar daripada perhituga ii, sebab bajir kritis aka melebihi besara desai, Jelas bahwa ketidakpastia dalam estimasi Q da dapat meghasilka ketidakpastia pada kedalama alira, esalaha = 0,03 x % = 0,0076 d iyat8.ka pada pegukura 0,03 ± 0,0076 kesalaha Q = 400 x 5 % = 600 cfs estimasi Q = 400 ± 600 cfs merupaka besara yag diaggap teliti dari ketidakpastia, kecuali jika recaria kala ulag adalah besar, katakalah 00 tahu, Dega fugsi betuk salura ( R dr dy A da dy ) 3

16 r ~ t r! [ f r. tergatug pada dr da -aj- da -aj- yag aka mempersulit utuk medapatka s8.lura yag t idak teratur. Asumsi y tergatug pada Q sediri tidak berlaku, Sy dapat utuk mecari y sebagai fugsi Q da. Pada aalisis di at as terjadi perubaha besara = 0,004 da = O,0576 sedagka pada Q terj ad i p~rubaha Q = 800 cfs da Q = 3000 cfs. III. esimpula da Sara esimpula L Dega adaya ket idakpast ia pad a.. peuba.h yag d igua.ka dalam persamaa utuk medesai, per lu d i lakuka te laah lebih lajut terhadap ha..sil desai dega aalisis resiko gabuga yag mugki terjadi apabila muata melampaui kapasitas da atau keadaa sebalikya. Berdasarka aalisis ketidakpastia da Q terdapat ketidakpastia pada kedalama alira y da meyebabka kemugkia megalami bajir sebesar 3,9 % Sara Dalam ragka pegembaga sumberdaya air, perlu disadari petigya masuka data yag telit~ agar diperoleh suatu hasil yag medekati keadaa sebeaiya, da akhirya aka dicapai desai yag berhasilgua da berdayagua. 4

17 Daftar Pustaba. Chow, Ve Te; David R.Maidmet, L8.rry Ii.Mays :.. Applied Hydrology", pp , McGraw Hill New York, 988. Z. Ag, A.H. S.:.. Structural Risk Aalysis ad Reliability Based Desig, J.Structural Desig Div.Am.Soc. Civ. Eg. vol 99 o. ST 9, pp , Mays, Larry W. "Optimal Desig of Culverts Uder Ucerteties ", Joural of The Hydraulics Divisio, pp , Tug, Y.. ad L.W. Mays: " Risk Aalysis for hidraulic desig ", J.Hydr.Div., Am.Soc.Civ.Eg, vol. 06, o. Hys. pp ,

18 I I, I I I, Tabel. Probabilitas kumulatif dari d istribusi ormal baku i I , I I I I I I I U i l.l H ' :

19 Tabel. Fugsi probabilitas yag diharapka T ( tahu ) E P E (P ) ,0 0,05 0,0 0,00 0,0 (,0 + 0,0 (,0 + 0,00 (, )., ) :, ),55 Utukmeetuka probabilitas yag diharapka E ( P kala ulag T :: 00 tahu, :: 6 E ( P ) 0,0 (,0 6. ::, ,6 6 = 0,,0 Selajutya debit yag berkaita dega probabilitas sebesar 0,0, mempuyai kala ~lag -~~~~-:: 50 tahu. ) 7

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1 Kuliah : Rekayasa Hidrologi II TA : Geap 2015/2016 Dose : 1. Novriati.,MT 1 Materi : 1.Limpasa: Limpasa Metoda Rasioal 2. Uit Hidrograf & Hidrograf Satua Metoda SCS Statistik Hidrologi Metode Gumbel Metode

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 SUKU BANYAK A Pegertia: f(x) x + a 1 x 1 + a 2 x 2 + + a 2 +a 1 adalah suku bayak (poliom) dega : - a, a 1, a 2,.,a 2, a 1, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

Mekanika Fluida II. Aliran Berubah Lambat

Mekanika Fluida II. Aliran Berubah Lambat Mekaika Fluida II Alira Berubah Lambat Itroductio Perilaku dasar berubah lambat: - Kedalama hidrolis berubah secara lambat pada arah logitudial - Faktor pegedali alira ada di kombiasi di hulu & hilir -

Lebih terperinci

BAB IV ANALISIS HIDROLOGI DAN PERHITUNGANNYA

BAB IV ANALISIS HIDROLOGI DAN PERHITUNGANNYA BAB IV ANALII HIDROLOGI DAN PERHITUNGANNYA 4.1. TINJAUAN UMUM Dalam merecaaka ormalisasi sugai, aalisis yag petig perlu ditijau adalah aalisis hidrologi. Aalisis hidrologi diperluka utuk meetuka besarya

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung 42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera

Lebih terperinci

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

Definisi Integral Tentu

Definisi Integral Tentu Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

BAB IV ANALISA DAN PEMBAHASAN. Dalam merencanakan bangunan air, analisis awal yang perlu ditinjau adalah

BAB IV ANALISA DAN PEMBAHASAN. Dalam merencanakan bangunan air, analisis awal yang perlu ditinjau adalah BAB IV ANALISA DAN PEMBAHASAN 4.1 Tijaua Umum Dalam merecaaka bagua air, aalisis awal yag perlu ditijau adalah aalisa hidrologi. Aalisa hidrologi diperluka utuk meetuka besarya debit bajir recaa yag maa

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

Pengamatan, Pengukuran dan Eksperimen

Pengamatan, Pengukuran dan Eksperimen TEORI KESALAHAN EKSPERIMEN FISIKA DASAR I Pegamata, Pegukura da Eksperime Pegamata da pegukura Teori / model Eksperime Ramala Pegamata payig attetio watch somethig attetively record of somethig see or

Lebih terperinci

ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO

ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO ANALISIS INTENSITAS HUJAN DI STASIUN KALIBAWANG KABUPATEN KULONPROGO Titiek Widyasari 1 1 Program Studi Tekik Sipil, Uiversitas Jaabadra Yogyakarta, Jl. Tetara Rakyat Mataram 55 57 Yogyakarta Email: myso_jayastu@yahoo.co.id

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05. MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo

ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab IV. Penderetan Fungsi Kompleks Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON

BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Umum Bajir Meurut Suripi (2003) adalah suatu kodisi di maa tidak tertampugya air dalam salura pembuag (palug sugai) atau terhambatya alira air di dalam salura

Lebih terperinci

PERENCANAAN SALURAN DRAINASE (Studi Kasus Desa Rambah)

PERENCANAAN SALURAN DRAINASE (Studi Kasus Desa Rambah) PERENCANAAN SALURAN DRAINASE (Studi Kasus Desa Rambah) HAMDANI LUBIS (1) ARIFAL HIDAYAT, MT (2) RISMALINDA, ST (2) Program Studi Tekik Sipil Fakultas Tekik Uiversitas Pasir Pegaraia Email: lhamdai98@yahoo.com

Lebih terperinci

BAB V ANALISIS HIDROLIKA

BAB V ANALISIS HIDROLIKA 47 BAB V ANALISIS HIDROLIKA 5. URAIAN UMUM Dalam perecaaaa draiase da pegedalia bajir, aalisis yag perlu ditijau adalah aalisis hidrologi da aalisis hidrolika. Aalisis hidrolika dalam tugas akhir ii diperluka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa

Lebih terperinci

BARISAN TAK HINGGA DAN DERET TAK HINGGA

BARISAN TAK HINGGA DAN DERET TAK HINGGA BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT

METODE NUMERIK TKM4104. Kuliah ke-2 DERET TAYLOR DAN ANALISIS GALAT METODE NUMERIK TKM4104 Kuliah ke- DERET TAYLOR DAN ANALISIS GALAT DERET TAYLOR o Deret Taylor adalah alat yag utama utuk meuruka suatu metode umerik. o Deret Taylor bergua utuk meghampiri ugsi ke dalam

Lebih terperinci